[发明专利]基于图形处理单元的自组织映射神经网络聚类方法及系统

权利要求书

1.一种基于图形处理单元的并行化自组织映射神经网络聚类方法，包括如下步骤：

并行关键词词频统计：将文本内容进行分词并得到关键词的集合，并行统计文档中关键词的频率，得到词频矩阵；

并行特征向量计算：把关键词词频矩阵转化为对应的特征向量矩阵，每个特征向量代表一个文档；

并行SOM聚类：根据特征向量矩阵设计SOM网络结构，初始化SOM网络，并行计算输入样本与全部输出神经元权向量距离, 比较各个距离的大小，获取最小距离的最佳神经元J，通过更新最佳神经元、其邻域内的神经元权向量值、学习率及最佳神经元的邻域大小，然后通过图形处理单元并行计算网络误差率E_t，若网络误差率E_t<=目标误差ε或迭代次数t>=训练最大迭代次数T,则SOM网络训练结束，否则重新进行新一轮训练；每次学习的结果使得最佳匹配神经元的邻域区域向输入数据向量值靠近，把距离相近的输入特征向量聚集成同一个簇，形成的簇集合即为最终的聚类结果。

2.根据权利要求1所述基于图形处理单元的自组织映射神经网络聚类方法，其特征在于，在获取文档的关键词词频步骤中，采用基于图形处理单元的多线程并行统计词频。

3.根据权利要求1所述基于图形处理单元的自组织映射神经网络聚类方法，其特征在于，在并行特征向量计算步骤中，采用基于图形处理的的多线程并行计算每个文档的特征向量。

4.根据权利要求1所述基于图形处理单元的自组织映射神经网络聚类方法，其特征在于，输入特征向量与每个输出神经元权向量距离的计算过程相互独立，采用基于图形处理的多个线程并行计算输入特征向量与每个输出神经元向量的距离，系统为每个神经元开启一个线程，采用多线程并行计算。

5.根据权利要求1所述基于图形处理单元的自组织映射神经网络聚类方法，其特征在于，每个神经元相邻两次迭代的权向量误差的计算过程相互独立，采用基于图形处理的多个线程并行计算每个神经元的权向量误差，系统为每个神经元开启一个线程，采用多线程并行计算。

6.一种基于图形处理单元的自组织映射神经网络聚类系统，其特征在于，包括硬件部分和软件部分，硬件部分：采用CPU/GPU协作框架设计，串行执行代码运行在CPU上，并行执行代码运行在GPU上，通过GPU提供的数据传输方式来交换显存与内存之间的数据；软件部分分为三个模块，包括并行化关键词词频统计模块、并行化特征向量计算模块、并行化SOM聚类模块，单元、计算特征向量的特征向量计算单元、进行文本聚类的文本聚类单元，所述并行化关键词词频统计模块将文本内容进行分词并得到关键词的集合，并行统计文档中关键词的频率，得到词频矩阵；所述并行化特征向量计算模块把关键词词频矩阵转化为对应的特征向量矩阵，每个特征向量代表一个文档；所述并行化SOM聚类模块根据特征向量矩阵设计SOM网络结构，初始化SOM网络，并行计算输入样本与全部输出神经元权向量距离, 比较各个距离的大小，获取最小距离的最佳神经元J，通过更新最佳神经元、其邻域内的神经元权向量值、学习率及最佳神经元的邻域大小，然后通过图形处理单元并行计算网络误差率E_t，若网络误差率E_t<=目标误差ε或迭代次数t>=训练最大迭代次数T,则SOM网络训练结束，否则重新进行新一轮训练；每次学习的结果使得最佳匹配神经元的邻域区域向输入数据向量值靠近，把距离相近的输入特征向量聚集成同一个簇，形成的簇集合即为最终的聚类结果。

7.根据权利要求6所述基于图形处理单元的并行化自组织映射神经网络的聚类系统，其特征在于，所述并行化关键词词频统计模块、所述并行化特征向量计算模块以及所述并行化SOM聚类模块中均设计了若干个核函数来并行加速算法的运行。

8. 根据权利要求6所述基于图形处理单元的并行化自组织映射神经网络的聚类系统, 其特征在于，在并行关键词词频统计模块中，设计了一个用于关键词词频统计的核函数；在并行特征向量计算模块中，设计了两个用于特征向量计算的核函数和两个用于特征向量归一化的核函数。

9. 根据权利要求6所述基于图形处理单元的并行化自组织映射神经网络的聚类系统, 其特征在于，在并行SOM聚类模块中，设计了一个用于计算输入特征向量与输出神经元的距离的核函数，一个用于计算每个神经元相邻两次迭代的网络权向量的误差的核函数和一个用于规约网络权向量的误差的核函数。